10.3969/j.issn.2095-2163.2021.03.009
基于双层树状支持向量机的观点挖掘与倾向分析
本文通过进行大量预处理工作,将经过词袋模型和Word2Vec两种不同向量化方法处理后的文本数据分别输入到SVM和LSTM模型中,训练出可以识别文本情感倾向的模型.进而对新产生的评论进行分类.根据实际数据量的倾斜状况,基于传统机器学习算法支持向量机(SVM),本文提出双层支持向量机,采用2种不同的方法分别训练模型并预测.最后再使用深度学习算法长短时记忆模型(LSTM)再次训练并预测,并对这3种方法做出比较和总结.结果显示,双层SVM比单层SVM的准确度提高了8个百分点;而LSTM比单层SVM低了2个百分点,比双层SVM低了接近10个百分点.
商品评论、网络爬虫、SVM、LSTM、情感分类、数据挖掘
11
TP181(自动化基础理论)
2021-06-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
44-47